Work injuries and mental health challenges: A meta‐analysis of the bidirectional relationship
Notice bibliographique
Résumé
Abstract The link between work injuries and mental health challenges significantly impacts individuals, organizations, and society. However, an integrated understanding of their relationship is lacking due to fragmented research across various disciplines. Drawing from uncertainty in illness theory, our comprehensive meta‐analysis (147 samples, N = 1,457,562) clarifies the bidirectional relationship between work injuries and mental health challenges. We estimate the average strength of the association, compare temporal ordering (work injuries preceding mental health challenges, and vice versa), explore underlying mechanisms, and identify potential moderating factors. Results from a random‐effects model reveal a moderate association between work injuries and mental health challenges (k = 147, ρ = .21, 95% CI = .19, .24, 95% CR = −.11, .50). Notably, the relationship is stronger when work injuries precede mental health challenges (k = 40, ρ = .23, 95% CI = .18, .29, 95% CR = −.10, .52) compared to the reverse (k = 18, ρ = .11, 95% CI = .03, .19, 95% CR = −.23, .42). Negative cognitions and perceived job demand underlie the bidirectional relationships between work injuries and mental health challenges. These findings highlight the interconnected nature of work injuries and mental health challenges, illustrating the need for comprehensive rehabilitation approaches that integrate physical and psychological care, and paving the way for future research and interventions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,023 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,033 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».